EXTRÉMY FUNKCÍ VÍCE PROMĚNNÝCH

Transkript

1 EXTRÉMY FUNKCÍ VÍCE PROMĚNNÝCH DEFINICE. Funkce f více proměnných. má v bodě C D(f) lokální maximum, resp. lokální minimum, jestliže existuje okolí U bodu C takové, že f(c) je maximální (resp. minimální ) hodnota f na U D(f). Funkce f má v C lokální extrém, jestliže má v C lokální maximum nebo lokální minimum. Absolutní maximum funkce f na množině A D(f) je hodno ta max{f(x, y); (x, y) A}. Podobně se definuje absolutní minimum, dohromady se nazývají absolutní extrémy. Nahradí-li se v definici lokálních extrémů slovo maximální slovem největší (resp. slovo minimální slovem nejmenší ), dostává se definice ostrých lokálních extrémů. Vrátil jsem se do mládí... VĚTA. Funkce f definovaná na polootevřené množině A může mít lokální extrém pouze v následujících bodech: 1. v hraničním bodě A, patří-li do definičního oboru; 2. ve vnitřním bodě A, ve kterém f nemá některou z parciálních derivací 1.ř.; 3. ve vnitřním bodě A, kde má f všechny parciální derivace 1.ř. rovny 0. Jde o jednoduché odvozování pomocí výsledků pro funkce jedné proměnné (proved te to). Body popsané v předchozí větě se nazývají kritické body (pro lokální extrémy). 1

2 Na mém starém klobouku byly taky kritické body. z y x DU SLEDEK. Necht v otevr ené množine G má funkce f všechny parciální derivace 1.r. Má-li f v bode C G lokální extrém, anulují se v tomto bode parciální derivace 1.r. (tedy i sme rové derivace). Stejne jako u funkcí jedné prome nné OPAK NEPLATÍ! Uved te pr íklad. Napr íklad moje staré sedlo. VE TA. Necht má funkce f (x, y) spojité parciální derivace 2.r. v otevr ené množine G a pro P G je f x (P ) = f y (P ) = 0. + k )2 f (P ), což je kvadratická forma prome nných h, k. Oznac me F (h, k) druhý diferenciál (h x y Potom 2

3 1. Je-li F pozitivne definitní, nabývá f v P ostré lokální minimum. 2. Je-li F negativne definitní, nabývá f v P ostré lokální maximum. 3. Je-li F indefinitní, nenabývá f v P lokální extrém. 4. Je-li F semidefinitní, nelze o lokálním extrému f v P pomocí F rozhodnout. Du kaz. Podmínky tvrzení umožn ují napsat Tayloru v vztah do r ádu 2 pro bod Q blízko bodu P : f (Q) = f (P ) + df (P ) d f (T ), 2 kde bod T leží mezi body P a Q. První diferenciál df (P ) je roven 0. Nyní je du kaz již jasný. Jde o kvadratickou aproximaci funkce. Tedy nahradíme funkci jakýmsi paraboloidem. Pokud je funkce ve tší než paraboloid procházející grafem funkce, jde o minimum. Ted to jenom spoc ítat... Pomocný paraboloid hlídající graf funkce zespodu ukazuje na lokální minimum: 3 3

4 To, kam kouká kvadratická forma druhých parciálních derivací, poznáme podle uvedených testů. U funkce x 7 + y 6 nic nepoznáme. Ten test je jenom kvadratický. Následující tvrzení je známé z algebry a dokáže se snadno,,úpravou na čtverec". VĚTA. Kvadratická forma F z předchozí věty je 1. pozitivně definitní právě když f xx (P ) > 0 a f xx (P ) f yy (P ) > f 2 xy(p ); 2. negativně definitní právě když f xx (P ) < 0 a f xx (P ) f yy (P ) > f 2 xy(p ); 3. indefinitní právě když f xx (P ) f yy (P ) < f 2 xy(p ); 4. semidefinitní právě když f xx (P ) f yy (P ) = f 2 xy(p ); Takže nemusím přemýšlet. Pokud si tedy tohle budu pamatovat... 4

5 DŮSLEDEK. Necht má funkce f(x, y) spojité parciální derivace 2.ř. v otevřené množině G a pro P G je f f x (P )= y (P )=0. Jestliže f xx (P ) f yy (P ) > fxy(p 2 ), pak f má v bodě P ostrý lokální extrém (maximum pro f xx (P ) < 0, minimum pro f xx (P ) > 0). Poznámky 1: 1. Stejně jako u funkcí jedné proměnné lze do množiny kritických bodů přidat další body, aniž se tím poruší výsledné tvrzení. 2 Absolutní extrémy. Zřejmě je každý absolutní extrém i lokálním extrémem. Opak neplatí. Pro vyhledání absolutních extrémů spojité funkce na kompaktní množině stačí vzít hodnoty funkce ve všech kritických bodech a najít největší a nejmenší hodnotu. Dalšího ověřování není třeba, protože spojitá funkce na kompaktní množině má vždy oba absolutní extrémy. Na nekompaktních množinách je třeba být opatrný. I když je nekompaktní množina uzavřená (obsahuje tedy svou hranici, ale není omezená), mohou hodnoty funkce na nějaké posloupnosti jdoucí do nekonečna být větší (nebo menší) než maximum (nebo minimum) z hodnot v kritických bodech. Je-li množina, na které se hledá extrém, otevřená a omezená, je disjunktní se svou hranicí a opět mohou hodnoty funkce na nějaké posloupnosti konvergující k bodu hranice být větší (nebo menší) než maximum (nebo minimum) z hodnot v kritických bodech. Pokud se funkce dá spojitě rozšířit i na hranici, dostane se spojitá funkce na kompaktní množině, pokud je původní množina omezená. Pak lze použít postup uvedený výše ve druhém odstavci. Pokud je množina, na které se hledají extrémy neomezená, je nutné uvažovat i limity funkce na posloupnostech z dané množiny konvergující k nekonečnu. 3 Kvadratické formy. Připomeňte si, že kvadratická forma K(x) = n i,j=1 a ij x i x j (matice (a ij ) je symetrická) se nazývá pozitivně definitní (nebo negativně definitní), jestliže pro jakoukoli volbu hodnot x = (x 1,..., x n ) různou od (0,.., 0) je K(x) > 0 (nebo K(x) < 0, resp.). Nazývá se indefinitní, jestliže nabývá jak záporných, tak kladných hodnot. Nazývá se semidefinitní, jestliže nabývá pouze nezáporných nebo pouze nekladných hodnot a hodnoty 0 v nějakém nenulovém bodě. Definitnost kvadratické formy lze zjistit převedením matice (a ij ) na diagonální tvar. Jsou-li všechny prvky diagonály kladné (nebo záporné), je forma pozitivně (resp. negativně) definitní, obsahujeli diagonála prvky záporné i kladné, je forma indefinitní a ve zbývajícím případě (diagonála obsahuje 0 a čísla stejného znaménka) je semidefinitní. U kvadratické formy dvou proměnných je zjištění definitnosti zvláště jednoduché (viz Otázky). 5

6 4. Je-li kvadratická forma druhých parciálních derivací funkce f v nějakém bodě indefinitní, má f v tomto bodě tzv. sedlový bod. Tento případ nemúže nastat u funkcí jedné proměnné. Ostatní případy jsou u funkcí jedné proměnné obdobné: druhá derivace je bud kladná (minimum) nebo záporná (maximum) nebo nulová (nelze rozhodnout). 4. Stejně jako u funkcí jedné proměnné bývá někdy jednodušší rozhodovat o druhu extrému nikoli pomocí druhých derivací, ale úsudkem. Bývá to v případech, kdy jsou druhé derivace komplikované. Konec poznámek 1. Příklady 1: 1. Najděte lokální a absolutní extrémy funkce x 3 6x 6xy + 6y + 3y 2 na R 2. Jsou dva kritické body (0, 1), (2, 1). V prvním je příslušná kvadratická forma indefinitní a ve druhém je pozitivně definitní. Absolutní extrémy nejsou. Proved te podrobnosti. 2. Najděte absolutní extrémy funkce sin x + sin y + sin(x + y) na otevřeném čtverci (0, π/2) (0, π/2). Uvnitř čtverce je jeden kritický bod (π/3, π/3) s hodnotou 3 3/2. Snadno se zjistí dosazováním hranice (y = 0, x = π/2, y = π/2, x = 0), že hodnoty funkce na hranici jsou menší než 3 3/2. V tomto bodě je tedy absolutní maximum, absolutní minimum neexistuje (proč?). 3. Najděte absolutní extrémy funkce x 3 + y 3 3xy na množině {(x, y); 0 < x < 3, 0 < y < 2x 2. Podobným postupem jako v předchozím příkladě zjistíte absolutní minimum v (1,1). Absolutní maximum neexistuje. Konec příkladů 1. 6

7 Otázky 1: 1. Uved te pr íklad funkce dvou prome nných, která má v ne jakém bode obe parciální derivace (spojité) nulové, ale nemá v onom bode lokální extrém. 2. Uved te pr íklad funkce dvou prome nných definované na vnitr ku jednotkového kruhu, která nemá žádný lokální extrém. 3. Uved te pr íklad funkce dvou prome nných definované na uzavr ené množine (otevr ená množina spolu s hranicí) která nemá žádný lokální extrém. 4. Ukažte, že kvadratická forma ax2 + 2bxy + cy 2 je pozitivne (nebo negativne ) definitní práve když ac > b2 a a > 0 (resp. a < 0). Je indefinitní práve když ac < b2 a je semidefinitní práve když ac = b2. Konec otázek 1. Cvic ení 1: Pr íklad. Spoc te te extrémy funkce f (x, y) = x2 + 2xy 4x + 8y na obdélníku 0 x 1, 0 y 2. R ešení. Oznac me si zkoumaný obdélník K. Spoc ítáme parciální derivace a urc íme, že jediný kritický bod funkce f neleží ve zkoumané množine K. Tedy f jako spojitá funkce na kompaktní množine K nabývá na K absolutního minima a maxima na hranici K. Tuto hranici budeme parametrizovat pomocí 4 kr ivek a budeme zkoumat extrémy funkce jedné prome nné na definic ním oboru te chto kr ivek. Napr íklad c ást hranice H1 ležící v ose x jde parametrizovat ϕ1 (t) = (t, 0) na intervalu [0, 1]. Tedy na intervalu [0, 1] zkoumáme extrémy funkce f (ϕ1 (t, 0) = t2 4t. Minima na H1 se nabývá v (1, 0), maxima v (0, 0). Podobne s dalšími úseky hranice K. Výsledek vznikne porovnáním hodnot v kandidátech na minimum a maximum. Obrázek grafu funkce y 4 x 6 8 Všimne me si jednoduchého faktu, že ve funkci f (x, y) = x2 + 2xy 4x + 8y máme pro pevné x na starost lineární funkci, pro pevné y kvadratickou a vždy otoc enou nahoru. 7

8 Tedy žádný bod roviny není bodem ostrého lokálního maxima. Aha. Pr íklad. Funkce f (x, y) = x2 + y 3 má v poc átku kritický bod. Zjiste te, zda se jedná o extrém. R ešení. Díky chování na ose y zde není lokální extrém. Na kubické parabole y 3 stojí funkce x2. Obrázek grafu funkce ±1 ±1 ± x y ±0.5 1 ±1 Pr íklad. Funkce f (x, y) = x2 + y 2 má v poc átku kritický bod. Zjiste te, zda se jedná o extrém. R ešení. Ove r íme podmínku pozitivní definitnosti formy druhých parciálních derivací pomocí ove r ení pod2 (P ) pro P = (0, 0). mínky fxx (P ) > 0 a fxx (P ) fyy (P ) > fxy V našem pr ípade jde o vztah 2 > 0 a 2 2 > 02, který platí. V poc átku má funkce ostré lokální maximum. Nezapomen te, že se jedná o kvadratický test a že nedovede všechno. 8

9 Navíc jsem si všiml, že jde použít jenou ve vnitřních bodech. Smůla. Pokud najdeme na hranici množiny bod, v němž se vzhledem k hranici nabývá extrému, nemusí to znamenat extrém vůči množině. Například počátek je pro funkci x 2 +sin y docela dobrým kandidátem na ostré lokální naximum na polorovině x 0, nicméně mu to ten sinus v libovolném okolí počátku bude škodolibě kazit. Na to se rád škodolibě podívám: Obrázek grafu funkce 9

10 6 4 2 ±0.5 x x 0.4 y ±1 0.6 ± y V okolí takových bodu musíme nasadit 100 procent osobního kouzla. Budu se snažit takové záškodníky odhalit po pr ímkách, po parabolách a na ty nejzáludnéjší vytáhnu s ε. GOOD LUCK! Konec cvic ení 1. 10

11 Ted poradím, jak zkoumat extrémy funkcí více proměnných v praxi: Následujícím radám plně důvěřuji!!! 1. Při zkoumání extrémů na polootevřené množině A se postupuje podobně jako v jednorozměrném případě. Nejdříve se zjistí kritické body uvnitř A. 2. Na rozdíl od jednorozměrného případu, kde byly nejvýše dva hraniční body u intervalu, ve vícerozměrného případu jsou hranice nekonečné množiny. 3. Naštěstí však v praxi bývají tyto hranice většinou křivkami a tedy popsány spojitými funkcemi jedné proměnné. Dosazením těchto funkcí do zkoumané funkce se dostane funkce jedné proměnné a pro ni lze zjistit kritické body. 5. Je však nutné si uvědomit, že takto získané např. lokální minimum je lokálním minimem pouze pro hranici a nikoli pro množinu A. 6. V některých speciálních případech je možné zkoumáním funkce v okolí takového lokálního extrému vzhledem k hranici určit, zda je lokálním extrémem i vzhledem k A. 7. Nicméně, vždy lze srovnáním hodnot na všech získaných kritických bodech zjistit absolutní extrémy. V podstatě je tam řečeno, že se postupuje podle selského rozumu. 11

12 Ach jo, to není dobrá zpráva... Ukažte, že platí následující tvrzení. VĚTA. Necht A je polootevřená omezená množina v rovině a její hranice patřící k A je grafem parametricky zadané křivky x = ϕ(t), y = ψ(t), t I. Pak absolutní maximum (minimum) spojité funkce f definované na A je maximální (resp. minimální) hodnota f na kritických bodech f uvnitř A a na kritických bodech funkce f(ϕ(t), ψ(t)), t I.... jak již bylo řečeno. V případě, že je hranice zadána implicitně, není vždy možné dosadit do funkce f(x, y) za y funkci popisující hranici! 12

13 V tomto případě lze použít tzv. metodu Lagrangeových multiplikátorů. Jde o jemnou záležitost, dávejte na ty multiplikátory pozor. Já těm multiplikátorům říkam konstanty. BÚNO nuly ;-) VĚTA. Necht A je grafem implicitně zadané křivky g(x, y) = 0, funkce f je definována na nějaké otevřené množině U obsahující A a platí: 1. f, g mají spojité parciální derivace prvního řádu na U; 2. pro každý bod (x, y) A je bud g q x (x, y) 0 nebo y (x, y) 0. 13

14 Má-li f v bodě P A lokální extrém, pak existuje reálné číslo λ tak, že (f + λg) (P ) = 0, x (f + λg) (P ) = 0. y Důkaz. Za předpokladů předchozí věty se funkce F (x, y, λ) = f(x, y) + λg(x, y) nazývá Lagrangeova funkce a parametr λ Lagrangeův multiplikátor. Tvrzení pak říká, že kritické body P funkce f na A odpovídají kritickým bodům (P, λ) funkce F na nějaké otevřené množině U (tj. grad(f + λg)(p, λ) = 0). Ukážeme použití na příkladě. Necht je A je grafem implicitně zadané křivky g(x, y) = x+y 2, funkce f(x, y) = x 2 +y 2 je definována na otevřené množině U = R 2. Hledáme extrémy f na A. Vidíme, že platí: 1. f, g mají spojité parciální derivace prvního řádu na U; 2. pro každý bod (x, y) A je q y (x, y) 0. Má-li f v bodě P A lokální extrém, pak existuje reálné číslo λ tak, že (f + λg) (P ) = 0, x (f + λg) (P ) = 0, g(p ) = 0. y 14

15 Tedy hledáme bod P = (x, y) A a λ tak, aby (f + λg) (P ) = 0, x (f + λg) (P ) = 0, g(p ) = 0. y Tedy řešíme soustavu Spočteme řešení x = 1, y = 1 a λ = 2. 2x + λ = 0 2y + λ = 0 x + y 1 = 0. Tedy bod, který je podezřelý z nabývání extrému f na A, je bod P = (1, 1). Vzhledem k tomu, že funkce f je na A zdola omezená a není zhora omezená, našli jsme bod absolutního minima. Tedy pro funkci f +λg = x 2 +y 2 2x 2y+2 = (x 1) 2 + (y 1) 2 je bod (1, 1) kritickým. Tak jsme přemístili paraboloid z počátku do (1, 1). Hle hle hle. Zjišt ování, zda v P opravdu lokální extrém nastane, lze opět přenést na zjištění, zda příslušný bod (P, λ) je lokálním extrémem funkce F = f + λg na otevřené množině. 15

16 To je opravdu důležitá informace. Protože derivace podle třetí proměnné funkce F (x, y, λ) v příslušné kvadratické formě vypadnou, dostanou se následující postačující podmínky: VĚTA. Za předpokladů předchozí věty se označí H(h, k) = (h + k) 2 F (P ). V kvadratické formě H se nahradí h nebo k druhou proměnnou z rovnice h g g x (P ) + k y (P ) = 0 a získá se kvadratická forma H(t) = at 2 jedné proměnné. 1. Je-li a > 0, nabývá f v P ostré lokální minimum. 2. Je-li a < 0, nabývá f v P ostré lokální maximum. 3. Je-li a = 0, nelze o lokálním extrému f v P pomocí H rozhodnout. Důkaz. Necht např. g gx(p ) y (P ) 0. Potom h = k g y(p ) a koeficient a z předchozí věty se rovná f xx 2f xy g x (P ) g y (P ) + f yy(p ) g2 x(p ) g 2 y(p ). V následující části bude předpokládáno, že všechny parciální derivace 1.ř. používaných funkcí existují a jsou spojité. Zkoumá-li se funkce tří proměnných, mohou pro vázané extrémy nastat dvě základní situace. Postupy jsou stejné, jako v předchozím případě a podrobnosti budou vynechány. I. Pro extrémy funkce tří proměnných f(x, y, z) na množině A určené rovnicí g(x, y, z) = 0 se hledají extrémy funkce F (x, y, z, λ) = f(x, y, z) + λg(x, y, z). Předpokladem je nenulovost alespoň jedné z derivací g x, g y, g z v každém bodě A (tj., hodnost 1 matice gradg v každém bodě A). 16

17 Nutnou podmínkou, aby bod P byl lokálním extrémem f na A, je tedy rovnost gradf = 0. Postačující podmínky pak dává definitnost kvadratické formy H dvou proměnných, která vznikne z kvadratické formy tří proměnných H(h, k, l) = (h + k + l) 2 F (P ) dosazením za jednu proměnnou z rovnice h g g g x (P ) + k y (P ) + l z (P ) = 0. Jde o podobnou záležitost jako pro jednu podmínku. Pozor na podobnosti a ochylky! II. Pro extrémy funkce tří proměnných f(x, y, z) na množině A určené rovnicemi g(x, y, z) = 0, h(x, y, z) = 0 se hledají extrémy funkce F (x, y, z, λ, µ) = f(x, y, z) + λg(x, y, z) + µh(x, y, z). Předpokladem je hodnost 2 matice s řádky gradg, gradh v každém bodě A. Nutnou podmínkou, aby bod P byl lokálním extrémem f na A, je tedy rovnost gradf = 0. Postačující podmínky pak dává definitnost kvadratické formy H jedné proměnné, která vznikne z kvadratické formy tří proměnných H(h, k, l) = (h + k + l) 2 F (P ) dosazením za dvě proměnné z rovnic Poznámky 2: h g g g (P ) + k (P ) + l x y z (P ) = 0, h h h h (P ) + k (P ) + l x y z (P ) = 0. 17

18 Úlohy, kde se hledají extrémy funkce splňující nějakou další podmínku, se často nazývají vázané extrémy protože jsou vázané danou podmínkou nebo podmínkami. Při hledání vázaných extrémů je možné v některých případech použít jak Lagrangeových multiplikátorů tak vypočítat z dané podmínky např. y a dosadit do zkoumané funkce (tím se podmínky zbavíte). Není obecně zřejmé, která z obou metod je v daném případě jednodušší. V Příkladech 2 takové situace najdete a můžete ozkoušet obě metody. Někdy bývá vhodné přejít k jiným souřadnicím, např. k polárním nebo sférickým. Mohou se tak značně zjednodušit rovnice křivek, které slouží jako podmínky, za kterých se extrémy hledají. Např. při hledání extrémů funkce xy za podmínky x 2 /8 + y 2 /2 = 1 je vhodné zadat x = 2 2 cos t, y = 2 sin t. Obecně se vyplatí při řešení nespat. Pro vyhledání kritických bodů není vždy nutné zjistit i hodnotu multiplikátoru λ. Pro zjišt ování druhu extrému pomocí kvadratické formy je však hodnota tohoto multiplikátoru potřeba. Geometricky znamená rovnost gradf(p ) = λ gradg(p ), že oba vektory jsou lineárně závislé, (mají stejný nebo opačný směr). Vektor gradg(p ) je směr normály ke křivce nebo ploše určené funkcí g v bodě P. Vektor gradf(p ) je směr největšího spádu na grafu f a současně normála ke křivce nebo ploše určené rovnicí f(x, y) = f(p ), resp. f(x, y, z) = f(p ). Má-li f v P lokální extrém, musí mít tyto vektory stejný nebo opačný směr a tedy křivky g(x, y) = 0, f(x, y, z) = f(p ) mají v P společnou tečnu. 18

19 To je podstata. Nastane dotyk g(x, y) = 0 s vlnoplochou f(x, y, z) = c pro vhodnou hodnotu c. Dík za ten dotyk. Na nalezení bodu nějaké plochy, který je nejblíže počátku, je vidět geometrický význam Lagrangeových multiplikátorů v případě o dimenzi vyšším. Jestliže se postupně zvětšují poloměry λ koulí se středem v počátku, až se koule dotkne plochy v bodě P, dá se očekávat, že tečné roviny obou ploch budou v P stejné. To opět znamená rovnost gradf(p ) = λ gradg(p ). Zkusím to s kopačákem... Konec poznámek 2. Příklady 2: 1. Najděte bod v rovině 2x + y z = 5 nejblíže počátku. Minimalizujete funkci x 2 + y 2 + z 2 při podmínce 2x + y z = 5. Vyjde bod (5/3, 5/6, 5/6). 2. Najděte absolutní extrémy funkce sin x + sin y + sin(x + y) na uzavřeném čtverci [0, π/2] [0, π/2]. (Pokračování příkladu z Příkladů 1.) Uvnitř čtverce je jeden kritický bod (π/3, π/3). Postupně se dosazují části hranice (y = 0, x = π/2, y = π/2, x = 0) a dostanou se kritické body pro hranici čtverce: čtyři vrcholy a body (π/2, π/4), (π/4, π/2). Srovnáním hodnot ve všech získaných bodech se dostane maximum funkce 3 3/2 v bodě (π/3, π/3) a minimum 0 v bodě (0, 0). 3. Najděte lokální a absolutní extrémy funkce x 3 + y 3 3xy na množině {(x, y); 0 x 3, 0 y 2x 2. (Pokračování příkladu z Příkladů 1.) 19

20 Uvnitř množiny existuje jediný kritický bod (1, 1), ve kterém je příslušná kvadratická forma pozitivně definitní a tedy je v tomto bodě lokální minimum s hodnotou -1. Pro hranici y = 0 se dostane rostoucí funkce x 3. Na hranici x = 3 má funkce lokální minimum v bodě 3. Na zbývající hranici má funkce lokální minimum v 3 5/16. Všechny kritické body jsou (0, 0), (3, 0), (3, 18), (1, 1), (3, 3), ( 3 5/16, 2 3 (5/16) 2. Srovnáním hodnot v těchto bodech se dostane absolutní minimum v (1,1) a absolutní maximum v (3,18). Úvahami lze zjistit možnost lokálních extrémů v ostatních bodech. V bodě (0,0) není lokální extrém (funkce je tam na hranici rostoucí) a ani v bodě (3, 3) není lokální extrém (funkce tam klesá směrem k -1 v bodě (1,1) a stoupá směrem k vrcholům podobně v bodě ( 3 5/16, 2 3 (5/16) 2. V bodě (3,0) je lokální maximum. 4. Najděte lokální extrémy funkce x 2 + 2y 2 za podmínky x 2 2x + 2y 2 + 4y = 0. Vyjde lokální minimum v (0,0) a lokální maximum v (2,-2). Jsou to absolutní extrémy? 5. Najděte body na průniku ploch z 2 = x 2 + y 2 s z = 1 + x + y nejblíže počátku. Řešte pomocí Lagrangeových multiplikátorů. (Vyjdou body ( 1 ± 2/2, 1 ± 2/2, 1 ± 2).) 6. Obdélník o obvodu 2s se otáčí kolem jedné strany. Najděte délky jeho stran takové, aby objem vzniklého rotačního tělesa byl největší. (Vyjde (s/3, 2s/3).) Konec příkladů 2. Cvičení 2: Příklad. Nalezněte extrémy funkce f(x, y) = x 2 y 2 na množině U = {(x, y) R 2 : x 2 + y 2 1}. Řešení. Vidíme, že funkce f má v počátku sedlový bod. Extrémy na U tedy musí f nabývat na hranici A = U. Nasadíme metodu Lagrangeových multiplikátorů. Označme g(x, y) = x 2 + y 2 1. Tedy A je množina nulových bodů funkce g. Vidíme, že platí: 1. f, g mají spojité parciální derivace prvního řádu na R 2 ; 2. pro každý bod (x, y) B = (A \ {(1, 0), ( 1, 0)}) je q y (x, y) 0. 20

21 Má-li f v bodě P B lokální extrém, pak existuje reálné číslo λ tak, že (f + λg) (P ) = 0, x (f + λg) (P ) = 0, g(p ) = 0. y Tedy hledáme bod P = (x, y) B a λ tak, aby (f + λg) (P ) = 0, x (f + λg) (P ) = 0, g(p ) = 0. y Tedy řešíme soustavu 3 rovnic o 3 neznámých 2x + λ2x = 0 2y + λ2y = 0 x 2 + y 2 1 = 0. Spočteme řešení jako trojice (x, y, λ), výsledek je (0, 1, 1), (0, 1, 1). Tedy body, které jsou podezřelé z nabývání extrému f na B, jsou body P 1 = (0, 1), P 2 = (0, 1). Podobně můžeme zkoumat chování v bodech (1, 0) a ( 1, 0). Zaměníme proměnné x a y ve větě o implicitních funkcích a dostaneme podezřelé body P 3 = (1, 0), P 4 ( 1, 0). Jako bychom otočili souřadnicové osy. Přesný důkaz toho, které body jsou body ostrého lokálního minima, se zjistí elementární úvahou. Celkově jsme tedy našli dvě lokální minima a dvě lokální maxima na A. Pokud bychom hledali extrémy pouze na B, mohli jsme například v bodě P 1 hledat extrémy funkce f + λg = 2x 2 1. Takto tedy dostaneme body (0, y), v nichž jsou lokální neostré extrémy. To potvrzuje existenci extrémů na B. Obrázek 21

22 ±1 ±0.5 ±0.5 ±1 0.5 ±0.5 ±1 Konec cvic ení